Payara Platform社区版6.2025.2版本技术解析
Payara Platform是一个基于GlassFish应用服务器的开源Java EE和Jakarta EE应用服务器平台,提供了企业级的功能和稳定性。作为GlassFish的一个分支,Payara Platform在社区版和企业版两个版本中持续演进,为开发者提供了可靠的应用运行环境。
版本核心特性
本次发布的Payara Platform社区版6.2025.2版本继续强化了对现代Java企业开发的支持,主要体现在以下几个方面:
-
全面支持Jakarta EE 10标准:作为当前Jakarta EE的最新版本,10版本带来了诸多改进和新特性,Payara Platform的完整支持确保了开发者能够充分利用这些新功能。
-
MicroProfile 6.1集成:对于微服务架构的支持,MicroProfile 6.1提供了包括配置、容错、健康检查等在内的关键微服务特性,使Payara Platform成为构建云原生应用的理想选择。
关键技术改进
Docker容器优雅关闭支持
本次版本中一个重要的改进是增加了对Docker容器优雅关闭的支持。在容器化部署日益普及的今天,这一功能显得尤为重要。传统情况下,当Docker容器接收到停止信号时,可能会直接终止进程,导致正在处理的请求被中断。通过实现优雅关闭机制,Payara Server现在能够在接收到停止信号时:
- 先停止接受新请求
- 等待正在处理的请求完成
- 执行必要的清理工作
- 最后才终止进程
这一改进显著提升了在容器化环境中的可靠性和用户体验。
Spring Boot 3应用部署修复
针对Spring Boot 3应用在Payara Server 6上部署时出现的"CDI not available"问题,本次版本进行了修复。这个问题源于CDI(上下文和依赖注入)容器的初始化时机与Spring Boot 3的预期不符。修复后:
- Spring Boot 3应用可以顺利部署
- CDI功能在Spring Boot应用中可用
- 增强了Payara Server与现代Java框架的兼容性
EAR应用部署问题解决
对于企业级EAR(Enterprise Archive)应用的部署,本次版本修复了由CDI问题导致的部署失败。EAR应用通常包含多个模块,复杂的依赖关系使得CDI处理更具挑战性。修复内容包括:
- 改进了EAR应用中各模块间的CDI上下文管理
- 解决了类加载器相关的问题
- 增强了复杂企业应用的部署可靠性
组件升级与安全更新
Payara Platform 6.2025.2版本对多个核心组件进行了升级,以提升性能、安全性和稳定性:
-
Grizzly升级至4.0.2:作为Payara的网络层核心组件,Grizzly的升级带来了性能优化和bug修复,特别是在高并发场景下的表现有所提升。
-
JNA升级至5.16.0:Java本地访问库的更新增强了与本地代码交互的能力和安全性。
-
Reactor Core升级至3.7.2:响应式编程核心库的更新为响应式应用提供了更好的支持。
-
Docker镜像JDK更新:提供了基于JDK 11.0.26、17.0.14和21.0.6的Docker镜像,满足不同Java版本需求。
-
Kotlin标准库升级:对于使用Kotlin开发的扩展功能,标准库升级至2.1.10版本。
-
Apache Felix Web控制台更新:管理控制台组件的升级提升了管理功能的稳定性和安全性。
技术影响与建议
对于正在使用或考虑使用Payara Platform的开发者,6.2025.2版本带来了几个值得关注的改进点:
-
容器化部署用户:建议尽快升级以利用新的优雅关闭功能,这将显著改善在Kubernetes等编排环境中的行为。
-
Spring Boot开发者:如果计划将Spring Boot 3应用部署到Payara Server,此版本解决了关键的兼容性问题。
-
企业应用开发者:对于使用EAR打包的复杂应用,新版本提供了更可靠的部署体验。
-
安全敏感环境:各种组件的安全更新建议尽快采用,以获取最新的安全修复。
Payara Platform社区版的持续更新展示了开源Java应用服务器生态的活力,为开发者提供了稳定且功能丰富的运行时环境。无论是传统的Java EE应用还是现代的微服务架构,Payara Platform都提供了可靠的支持。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08